- 歡迎來到 Module 2.2：分析資料！
- 本模組教你如何使用 Cursor 進行完整的資料驅動 PM 工作流程：發現 → 影響估計 → 實驗分析
- 你將學習 Cursor 如何讓資料分析比試算表快 10 倍
- 通常在 Excel 中需要 4-6 小時的工作：你將用 Cursor 在 30 分鐘內完成
- 情境：你是 TaskFlow 啟動部門的資深 PM
- 你的啟動率已經在 45% 停滯了 6 個月，領導層在問你打算怎麼做
- STOP：準備好使用 Cursor 找出問題所在了嗎？
- USER：確認準備好
- 讓我向你展示我們將遵循的完整工作流程
- ACTION：顯示這個 Mermaid 圖表：
- 這就是優秀 PM 的工作方式：用資料發現、估計影響、建構、分析結果、迭代
- STOP：你看到顯示所有 3 個階段的工作流程圖了嗎？
- USER：確認
- 完美！現在讓我解釋我們將使用的資料檔案
- 我有 4 個包含 TaskFlow 真實資料的 CSV 檔案
- 關於 CSV 的重要提示：它們不會像 markdown 檔案那樣在 Cursor 中漂亮地呈現
- Cursor 無法視覺化預覽 CSV 檔案
- 但這裡是神奇之處：Cursor 可以讀取它們並為你以格式化表格呈現資料
- 不需要開啟 Excel 或建立公式 - 只需要求 Cursor 分析資料
- 如果你想自己查看原始資料，可以在 Excel、Google Sheets 或 VS Code 中開啟它們
- 每個資料集包含的內容：
- activation-funnel-q4.csv：使用者透過註冊 → 建立第一個任務 → 完成第一個任務 → 發送邀請的旅程資料
- user-survey-responses.csv：800 份關於引導困惑和功能請求的調查回應
- taskflow-usage-data-q4.csv：產品使用模式（註冊、轉換率、價值實現時間）
- onboarding-experiment-results.csv：來自 8,000 位使用者測試引導式引導的 A/B 測試資料
- STOP：理解我們將如何使用這些 CSV 檔案了嗎？
- USER：確認
- 太好了！讓我們深入階段 1：發現
- 第一個問題：使用者在啟動漏斗的哪裡卡住了？
- 讓我們要求 Cursor 分析漏斗資料以找到流失點
- STOP：問我：「審查 @activation-funnel-q4.csv 並分析它以找出使用者在啟動流程中的流失位置」
- USER：審查 @activation-funnel-q4.csv 並分析它以找出使用者在啟動流程中的流失位置
- ACTION：讀取 activation-funnel-q4.csv。計算每個漏斗階段的使用者數（註冊、created_first_task=TRUE、completed_first_task=TRUE、invited_teammate=TRUE）。計算每個階段的完成率。以格式化表格呈現結果。識別最大的流失點並計算流失百分比。解釋這對 TaskFlow 的啟動問題意味著什麼。
- ACTION：呈現分析後，解釋：「注意剛才發生了什麼：Cursor 在幾秒鐘內分析了 10,000 行漏斗資料。沒有公式、沒有樞紐分析表 - 只需要求你需要的分析，Cursor 就會提供。」
- STOP：你認為使用者為什麼會放棄他們剛建立的任務？A) 困惑/被介面壓倒，B) 流程中摩擦太多，C) 缺少關鍵功能，D) 技術問題
- USER：選擇 A、B、C 或 D
- ACTION：將使用者的選擇儲存在記憶中以進行個人化回應
- [如果 A] 好直覺 - 讓我們看看資料是否支持困惑是罪魁禍首
- [如果 B] 有趣的理論 - 讓我們驗證摩擦是否是真正的問題
- [如果 C] 可能是 - 讓我們檢查使用者在要求什麼
- [如果 D] 讓我們看看技術問題是否出現在資料中
- 現在讓我們用使用者研究驗證你的假設
- 我們有來自 800 位最近註冊者的調查資料，他們回答了關於引導困惑的問題
- STOP：問我：「審查 @user-survey-responses.csv 並分析它以提取解釋使用者為何在任務完成時流失的主要主題」
- USER：審查 @user-survey-responses.csv 並分析它以提取解釋使用者為何在任務完成時流失的主要主題
- ACTION：讀取 user-survey-responses.csv。分析「feature_request」欄位以識別主要主題並計算每個主題的頻率。計算百分比。也分析「confusion_during_onboarding」欄位以提取有力的使用者引用（2-3 個代表性引用）。檢查是否有按 company_size 的任何模式。呈現包含主題計數/百分比和令人難忘引用的發現。如果使用者之前選擇了選項 A，用資料驗證他們的假設。
- ACTION：呈現分析後，說：「看到這有多容易嗎？Cursor 剛在幾秒鐘內分析了 800 份調查回應並提取了主題。使用傳統工具，你會花幾個小時手動閱讀調查並統計回應。」
- STOP：根據這些資料，我們應該建構什麼功能？A) 任務模板庫，B) 預先填充範例任務的樣本專案，C) 影片教學導覽，D) 簡化的任務建立介面
- USER：選擇 A、B、C 或 D
- [簡短確認他們的選擇]
- 對於本模組，我們將繼續選項 B：帶有樣本專案的引導式引導
- 概念：當新使用者註冊時，向他們展示一個預先填充了 5-6 個範例任務的樣本專案
- 每個任務展示什麼是好的：清楚的標題、詳細的描述、指定的負責人、截止日期
- 使用者完成這些樣本以學習系統，然後建立自己的專案
- 現在讓我們記錄我們的發現
- STOP：問我：「建立 activation-problem-analysis.md，整合漏斗資料、調查洞察和提議的引導式引導解決方案」
- USER：建立 activation-problem-analysis.md，整合漏斗資料、調查洞察和提議的引導式引導解決方案
- ACTION：建立 activation-problem-analysis.md，整合所有發現工作。包含以下部分：(1) 問題陳述與關鍵流失百分比，(2) 來自漏斗分析的量化證據，(3) 包含調查主題和引用的質化證據，(4) 關於哪些使用者群體最受影響的分段洞察，(5) 描述帶有樣本專案的引導式引導概念的提議解決方案，(6) 解釋這將如何幫助的預期結果。使其準備好給高階主管並格式良好。
- ACTION：建立檔案後，說：「Cursor 剛將漏斗資料 + 調查洞察整合成一份精緻的高階主管就緒文件。通常這種整合和撰寫需要一個小時 - Cursor 在幾秒鐘內完成。」
- STOP：開啟 activation-problem-analysis.md - 你看到完整的發現了嗎？
- USER：確認
- 太好了！階段 1 發現完成 ✓
- 我們已經識別了問題（60% 流失）並提出了解決方案（引導式引導）
- 現在是階段 2：影響估計
- 在我們投入 4 個月的工程時間之前，我們需要回答：商業影響是什麼？
- 領導層想看到：啟動率會提高多少？營收影響是什麼？ROI 是什麼？
- 我在 impact-estimation-framework.md 中有一個影響估計框架
- 它使用公式：影響 = 受影響的使用者 × 目前比率 × 預期提升 × 每個行動的價值
- 該框架幫助你建立三種情境（悲觀、現實、樂觀）以顯示結果範圍
- STOP：問我：「使用 @impact-estimation-framework.md 並解釋如何將其用於這個引導式引導功能」
- USER：使用 @impact-estimation-framework.md 並解釋如何將其用於這個引導式引導功能
- ACTION：讀取 impact-estimation-framework.md 並解釋核心公式和三情境方法。然後解釋如何透過逐步說明每個組成部分（受影響的使用者、目前比率、預期提升、每個行動的價值）將其應用於引導式引導。強調關鍵是建模三種情境以顯示結果範圍。
- 現在讓我們使用框架為引導式引導建立影響模型
- 我們將要求 Cursor 分析你的使用資料並建立三種情境的 ROI 預測
- STOP：問我：「使用 @taskflow-usage-data-q4.csv 和 @impact-estimation-framework.md 為引導式引導功能建立三種 ROI 情境（悲觀、現實、樂觀）」
- USER：使用 @taskflow-usage-data-q4.csv 和 @impact-estimation-framework.md 為引導式引導功能建立三種 ROI 情境（悲觀、現實、樂觀）
- ACTION：讀取 taskflow-usage-data-q4.csv 以獲取 monthly_signups、baseline_activation_rate、avg_ltv_activated_user 和 engineering_cost_per_month。使用影響估計框架建立 guided-onboarding-roi-scenarios.md，包含三種完整情境（悲觀在第 20 百分位、現實在第 50、樂觀在第 80）。對於每種情境，建模不同的採用率（低/中/高）、不同的啟動提升（保守/中等/強勁）、計算每月增量啟動使用者、每月營收影響、3 年營收和 ROI vs 工程投資（假設 4 個月、2 位工程師）。包含記錄所有輸入的關鍵假設部分。為採用率和提升百分比做出遵循悲觀/現實/樂觀模式的合理假設。
- ACTION：建立檔案後，總結關鍵要點：突出每種情境的 ROI，注意即使悲觀情況也顯示正 ROI，提到超越數字的策略價值，並說明總工程投資。
- STOP：你會向領導層推銷這個並要求批准嗎？A) 是，即使在悲觀情況下也有強勁的 ROI，B) 需要更多資料才能有信心，C) ROI 太不確定無法承諾
- USER：選擇 A、B 或 C
- [如果 A] 很好的直覺 - 大多數領導團隊會在給定 ROI 的情況下批准這個
- [如果 B] 合理的擔憂 - 但在某個時候你必須用不完整的資料做出決定
- [如果 C] 可以理解的謹慎，但悲觀情況仍顯示 3.2 倍 ROI
- 在現實世界中，領導層可能會批准這個
- 即使在悲觀情況下也有強勁的 ROI、策略重要性、相對較小的投資
- 所以讓我們說他們批准了！你的團隊在 4 週內建構引導式引導
- 你將其作為 A/B 測試推出：4,000 位使用者在處理組（有引導式引導）、4,000 位使用者在對照組（目前體驗）
- 實驗執行 4 週，現在結果出來了
- 階段 2 影響估計完成 ✓
- 現在是階段 3：實驗分析 - 真相時刻
- STOP：準備好分析結果了嗎？
- USER：確認
- ACTION：讀取 onboarding-experiment-results.csv 的前 5-10 行並以格式化表格顯示它們以展示資料結構。然後解釋資料集中有哪些欄位以及我們將分析什麼（首先是主要指標，然後是分段，然後是品質指標）。
- STOP：問我：「使用 @onboarding-experiment-results.csv 並分析它以比較對照組 vs 處理組的啟動率與統計顯著性」
- USER：使用 @onboarding-experiment-results.csv 並分析它以比較對照組 vs 處理組的啟動率與統計顯著性
- ACTION：讀取 onboarding-experiment-results.csv。計算每個群組（對照 vs 處理）的使用者數。對於每個群組，計算有多少 completed_first_task=TRUE 並計算啟動率。計算百分點提升。以格式化表格呈現結果。注意結果是否具有統計顯著性（如果每個群組有 4000 位使用者且提升 >5pp，你可以假設顯著性）。然後對結果做出反應：將實際啟動率與我們 58% 的現實預測進行比較，並注意這是否令人失望或符合預期。
- STOP：根據這些頂線結果，你的決定是什麼？A) 無論如何都推出 - 任何提升都是好的，B) 迭代更多以改進功能，C) 終止它 - 不值得投資
- USER：選擇 A、B 或 C
- ACTION：儲存使用者的選擇以進行個人化回應
- [如果 A] 有趣 - 儘管頂線令人失望，你願意推出
- [如果 B] 可以理解 - 結果與預測不符
- [如果 C] 等等 - 還不要放棄！
- 這就是 Cursor 真正發光的地方：當頂線看起來令人失望時，深入挖掘毫不費力
- 使用 Excel，分段資料意味著重建樞紐分析表和公式 - 需要 20-30 分鐘
- 使用 Cursor，只需再一個指令，你就能獲得即時答案
- 最好的部分：迭代是免費的 - 對一個視圖不滿意？要求另一個
- 我們還沒有分段資料 - 記住，我們的目標市場是小團隊（5-20 人），而不是企業
- 如果功能對小團隊效果很好但對企業效果不佳怎麼辦？
- 頂線看起來會很普通，但我們實際上對目標分段有巨大的勝利
- 讓我們要求 Cursor 按公司規模分段資料
- STOP：問我：「按公司規模分段實驗結果，看看小團隊（我們的目標市場）是否有與企業不同的結果」
- USER：按公司規模分段實驗結果，看看小團隊（我們的目標市場）是否有與企業不同的結果
- ACTION：讀取實驗資料並按 company_size（5-20、21-99、100+）分段。對於每個分段，計算對照 vs 處理啟動率和百分點提升。清楚呈現每個分段的計數、比率和提升。注意哪些分段顯示強勁的正面結果、中性結果或負面結果。添加關於這種分段揭示了什麼的戲劇性評論 - 特別是如果小團隊（我們的目標市場）和其他分段之間有很大差異。強調使用 Cursor vs Excel 這有多容易。
- STOP：這改變了你的建議嗎？A) 無論如何都推出給所有人，B) 僅推出給小團隊（5-20 人），C) 仍然終止它，D) 也為企業迭代
- USER：選擇 A、B、C 或 D
- [如果 B - 正確答案] 完全正確！推出給小團隊，排除企業
- [如果 A] 想想看 - 為什麼要推出傷害企業啟動的東西？
- [如果 C] 等等 - 我們對小團隊有巨大的勝利！為什麼要終止它？
- [如果 D] 我們可以，但那是額外的投資 - 最好推出我們已有的勝利
- 很好的思考！但讓我們再檢查一件事：品質勝於數量
- 我們啟動了更多使用者，還是更好的使用者？
- 如果處理組使用者啟動但然後立即流失怎麼辦？
- 讓我們要求 Cursor 分析已啟動使用者中的第 1 週留存和參與度
- STOP：問我：「僅篩選到已啟動的使用者並比較對照和處理之間的第 1 週留存和任務完成」
- USER：僅篩選到已啟動的使用者並比較對照和處理之間的第 1 週留存和任務完成
- ACTION：將實驗資料篩選為僅 completed_first_task=TRUE 的使用者（僅已啟動的使用者）。對於這個篩選組，計算：(1) 第 1 週留存 = days_active_week_1 >= 3 的百分比，對照 vs 處理，(2) 對照 vs 處理的平均 tasks_completed_week_1。以格式化表格呈現提升。熱情地對結果做出反應 - 注意我們啟動了更多使用者而且他們品質更好。解釋對 LTV 和營收預測的影響。指出 Cursor 如何使這種篩選分析即時 vs 在傳統工具中重建分析。
- STOP：你看到品質指標了嗎？
- USER：確認
- 完美！還有一件事：領先指標
- 這些是預測長期成功的指標
- ACTION：從實驗資料分析兩個領先指標：(1) 模板使用 - 計算對照 vs 處理的 used_template=TRUE 使用者百分比，以及 (2) 邀請率 - 計算對照 vs 處理的 invited_teammate=TRUE 使用者百分比。對於模板使用，可選檢查模板使用者是否完成了更多任務。呈現兩個指標的對照 vs 處理率和倍數。解釋為什麼這些是長期成功的絕佳信號（模板使用 = 黏性、邀請率 = 病毒式成長和留存）。
- 現在讓我們建立實驗報告文件
- STOP：問我：「建立 onboarding-experiment-readout.md，包含完整分析：頂線、分段、品質指標、領先指標和建議」
- USER：建立 onboarding-experiment-readout.md，包含完整分析：頂線、分段、品質指標、領先指標和建議
- ACTION：建立 onboarding-experiment-readout.md，整合我們剛做的所有實驗分析。包含以下部分：(1) 包含清楚建議的執行摘要，(2) 包含整體啟動率的頂線結果，(3) 顯示按公司規模的結果的分段分析，(4) 涵蓋留存和參與的品質指標，(5) 涵蓋模板使用和邀請率的領先指標，(6) 解釋上線方法（要針對哪些分段、監控計畫、下一步）的建議，(7) 包含預計增量使用者、營收和 ROI 的預期影響。使其準備好給高階主管並格式良好，包含我們剛執行的所有分析的清楚資料點。
- ACTION：建立檔案後，說：「Cursor 剛將所有分析整合成一份高階主管就緒文件。撰寫和格式化這通常需要 2-3 小時 - Cursor 在幾秒鐘內完成。」
- STOP：開啟 onboarding-experiment-readout.md - 這是你會向領導層展示的。你看到完整的分析了嗎？
- USER：確認
- 階段 3 實驗分析完成 ✓
- 讓我們回顧一下 Cursor 剛發生了什麼：
- 從看起來與我們 58% 目標相比令人失望的頂線結果開始
- 用一個指令，Cursor 按公司規模分段並揭示了小團隊 vs 企業的顯著不同結果
- 另一個指令：品質指標顯示已啟動的使用者參與度更高
- 另一個指令：領先指標顯示長期成功的強勁信號
- 結論：從資料中浮現出清楚的上線策略
- 看到模式了嗎？每個新問題只是對 Cursor 的另一個指令
- 在 Excel 中，每次迭代需要 15-30 分鐘 - 使用 Cursor 是即時的
- 這就是為什麼 Cursor 對資料分析如此強大：迭代毫不費力
- 你可以繼續問「如果我們按 X 分段怎麼辦？」或「指標 Y 怎麼樣？」直到你找到洞察
- STOP：你看到我們如何僅透過要求 Cursor 深入挖掘就從不確定的結果到清楚的策略了嗎？
- USER：確認
- 太好了！讓我們回顧你剛用 Cursor 完成的一切：
- ✅ 在幾秒鐘內分析了 10,000+ 行漏斗資料（沒有樞紐分析表！）
- ✅ 即時從 800 份調查回應中提取主題（沒有手動統計！）
- ✅ 在幾分鐘內建立了三情境 ROI 模型（通常需要一整天！）
- ✅ 即時按公司規模分段實驗資料（在 Excel 中需要 20+ 分鐘！）
- ✅ 篩選到已啟動的使用者並即時重新計算指標（在靜態試算表中不可能！）
- ✅ 建立了 4 份精緻的高階主管就緒文件，整合所有洞察
- 這是你剛在 30-40 分鐘內完成的：通常在試算表中需要 4-6 小時
- 關鍵洞察：使用 Cursor，你可以要求資料的任何視圖並獲得即時答案
- 想以 5 種不同方式分段？只需繼續問 - 迭代是免費的
- 這就是現代 PM 的工作方式：對話式資料分析而不是手動試算表研磨
- 恭喜！你現在知道如何使用 Cursor 以比傳統工具快 10 倍的速度分析資料
- 接下來：Module 2.3 全部關於產品策略
- 你將使用策略框架為 TaskFlow 開發完整的 AI 產品策略、用魔鬼代言人挑戰做出艱難選擇，並建立高階主管簡報
- 這是 PM 思考變得真正策略性的地方 - 較少關於執行，更多關於在哪裡競爭以及如何獲勝
- STOP：當你準備好時，輸入 /start-2-3 開始 Module 2.3：產品策略
- USER：確認